本书作为人工神经元网络方面的入门书，由浅入深详细地介绍了人工神经网络的原理与特点，对于每一种常用的网络都给出了详细的计算方法。本书共分十二章，具体内容包括生物神经元网络的基本原理、感知机模型网络、多层网络的误差逆传播校正方法、随机型神经元网络、自组织特征映射神经元网络等。该书可供各大专院校作为教材使用，也可供从事相关工作的人员作为参考用书使用。

本书以通俗易懂的方式讲述了人工神经元网络的基本原理、设计和计算方法。全书共分十二章。第一章介绍了人工神经元网络的发展历史和它的主要特点；第二章和第三章介绍了生物神经元网络和人工神经元网络的基本原理；第四章至第十章讲述了几种主要的人工神经元网络的原理和具体计算方法；第十章介绍了人工神经元网络在自动控制系统中的应用；第十章介绍了人工神经元网络在自动控制系统中的应用；最后一章介绍了编程实例；全书配有习题。

本书可作为自动控制、计算机应用、通信工程等有关专业大学本科生及研究生的教材，也可供相关领域的工程技术人员和研究人员自学和参考。

前言

第一章 绪论

 1.1 为什么要用人工神经元网络

 1.2 人工神经元网络的发展

 1.3 人工神经元网络是怎样工作的

 习题

第二章 生物神经元网络的基本原理

 2.1 生物神经元

 2.2 生物神经元网络的结构

 习题

第三章 人工神经元网络的基本原理

 3.1 人工神经元

 3.2 人工神经元网络模型

 3.3 神经元网络的学习过程

 3.4 神经元网络的学习规则

 3.5 神经元网络的工作过程

 习题

第四章 感知机模型网络

 4.1 感知机网络的结构

 4.2 感知机网络的学习规则

 4.3 感知机网络的局限性

 习 题

第五章 多层网络的误差逆传播校正方法

 5.1 误差逆传播校正方法

 5.2 BP网络的学习规则与计算方法

 5.3 BP网络的应用举例

 5.4 BP网络的改进方案

 习题

第六章 Hopfield神经元网络

 6.1 Hopfield网络的基本结构

 6.2 Hopfield网络的能量函数与运行规则

 6.3 联想记忆

 6.4 Hopfield网络连接权的设计方法

 6.5 Hopfield网络的弱点

 6.6 连续型Hopfield神经网络

 6.7 Hopfield网络的应用

 习题

第七章 随机型神经元网络

 7.1 模拟退火算法

 7.2 波尔茨曼机模型及其工作规则

 7.3 波尔茨曼机模型网络的学习规则

 习题

第八章 竞争型神经元网络

 8.1 竞争型神经元网络的基本结构及其学习方法

 8.2 抑制竞争型神经元网络及其学习规则

 8.3 自适应共振理论神经网络

 习题

第九章 自组织特征映射神经元网络

 9.1 SOFM网络结构及学习工作规则

 9.2 SOFM网络的应用

 习题

第十章 对向传播神经元网络

 10.1 CP网络的结构及学习工作规则

 10.2 CP网络的改进与完善

 习题

第十一章 神经元网络控制简介

 11.1 神经元网络控制的基本原理

 11.2 几种典型的神经元网络控制系统的结构

 习题

第十二章 人工神经元网络编程实例

 12.1 感知机模型神经元网络编程

 12.2 BP神经元网络编程

 12.3 ART1型神经元网络编程

参考文献